메뉴 바로가기 검색 및 카테고리 바로가기 본문 바로가기

한빛출판네트워크

펭귄브로의 3분 딥러닝, 파이토치맛

펭귄브로의 3분 딥러닝, 파이토치맛

PyTorch 코드로 맛보는 CNN, GAN, RNN, DQN, Autoencoder, ResNet, Seq2Seq, Adversarial Attack

한빛미디어

집필서

판매중

  • 저자 : 김건우 , 염상준
  • 출간 : 2019-11-01
  • 페이지 : 344 쪽
  • ISBN : 9791162242278
  • 물류코드 :10227
  • 초급 초중급 중급 중고급 고급
4.8점 (19명)
좋아요 : 11

파이토치 코드로 맛보는 딥러닝 핵심 개념! 

 

이 책은 파이토치로 인공지능을 구현하는 방법을 알려줍니다. 인공지능 입문자를 위한 기초 지식과 최신 인공지능 구현 방법인 인공신경망 기술을 사례를 통해 알아봅니다. 지도학습 방식의 ANN, DNN, CNN, RNN을 비롯해, 비지도학습 방식의 AE와 GAN 그리고 강화학습 DQN을 직접 구현합니다. 딥러닝의 약점을 이용해서 해킹하는 방법을 배우는 등 각 장에서 소개한 신경망으로 재미있는 응용 예제를 다룹니다.

 

예제를 실제 구현해보면서 쉽게 인공지능 구현 방법을 익히도록 구성했으며 예제 코드는 깃허브에서 확인할 수 있습니다.

 

* 이 책의 ‘3분’은 ‘3분 만에 배운다’는 뜻이 아닙니다. ‘3분 음식처럼 간편하고 유용하게 배운다’는 뜻입니다.

 

상세이미지.png

 

김건우 저자

김건우

뉴욕 대학교에서 컴퓨터과학 학사 학위를 받았습니다. 우버 드라이버 프라이싱 팀에서 소프트웨어 엔지니어로 근무합니다. 대학교를 다니며 딥러닝과 강화학습 스터디 그룹에 참여하여 『파이썬과 케라스로 배우는 강화학습』(위키북스, 2017)을 공동 집필했습니다.

염상준 저자

염상준

뉴욕 대학교에서 컴퓨터과학 학사 학위를 받았습니다. 골드만삭스 금융상품 거래 플랫폼인 SIMON Markets의 서버와 백엔드를 개발하는 엔지니어로 근무합니다. 그전엔 헤지펀드에서 주택담보부증권(MBS) 가격을 측정하는 소프트웨어를 개발했습니다.

CHAPTER 1 딥러닝과 파이토치 

1.1 인공지능과 머신러닝 

1.2 지도학습, 비지도학습, 강화학습 

1.3 딥러닝과 신경망 

1.4 파이토치가 개발되기까지 

1.5 왜 파이토치인가? 

1.6 마치며 

 

CHAPTER 2 파이토치 시작하기

2.1 파이토치 설치 & 환경구성 

2.2 파이토치 예제 내려받고 실행 확인하기 

2.3 주피터 노트북 

2.4 마치며 

 

CHAPTER 3 파이토치로 전체 코드 구현하는 ANN

3.1 텐서와 Autograd 

3.2 경사하강법으로 이미지 복원하기 

3.3 신경망 모델 구현하기 

3.4 마치며 

 

CHAPTER 4 패션 아이템을 구분하는 DNN

4.1 Fashion MNIST 데이터셋 알아보기 

4.2 인공 신경망으로 패션 아이템 분류하기 

4.3 성능 측정하기 

4.4 과적합과 드롭아웃 

4.5 마치며 

 

CHAPTER 5 이미지 처리 능력이 탁월한 CNN

5.1 CNN 기초 

5.2 CNN 모델 구현하기 

5.3 ResNet으로 컬러 데이터셋에 적용하기 

5.4 마치며 

 

CHAPTER 6 사람의 지도 없이 학습하는 오토인코더

6.1 오토인코더 기초 

6.2 오토인코더로 이미지의 특징 추출하기 

6.3 오토인코더로 망가진 이미지 복원하기 

6.4 마치며 

 

CHAPTER 7 순차적인 데이터를 처리하는 RNN

7.1 RNN 개요 

7.2 영화 리뷰 감정 분석 

7.3 Seq2Seq 기계 번역 

7.4 마치며 

 

CHAPTER 8 딥러닝을 해킹하는 적대적 공격

8.1 적대적 공격이란? 

8.2 적대적 공격의 종류 

8.3 FGSM 공격 

8.4 마치며 

 

CHAPTER 9 경쟁하며 학습하는 GAN

9.1 GAN 기초 

9.2 GAN으로 새로운 패션 아이템 생성하기 

9.3 cGAN으로 생성 제어하기 

9.4 마치며 

 

CHAPTER 10 주어진 환경과 상호작용하며 학습하는 DQN

10.1 강화학습과 DQN 기초 

10.2 카트폴 게임 마스터하기 

10.3 마치며 

이론보다는 실전! 몸으로 먼저 익히는 <3분> 딥러닝 시리즈! 

새로운 프로그래밍 언어나 라이브러리를 학습하는 가장 좋은 방법은 무엇일까요? <3분> 시리즈는 긴 설명을 읽기보다는 직접 코드를 입력해가면서 익히게 해 쉽고 재미있습니다.

 

독자 옆에 앉아 빠르게 ‘함께 코딩해가며’ 설명한다는 느낌이 들도록 했습니다. 코드는 설명 흐름에 맞춰 필요한 만큼만 보여주며, 전체 코드를 마지막에 제시합니다. 이론은 큰 그림을 이해할 정도로만 알려주고, 코드도 세세한 부분까지 설명하지는 않습니다.

 

우선은 큰 그림과 동작하는 코드를 손에 넣은 후, 파이토치 사용법 문서와 저자가 만든 파이토치 깃허브를 참고해 코드를 주물러보며 파이토치와 친해져보세요.

 

각 절의 마지막에는 주석이 거의 없는 전체 코드가 등장합니다. 주~욱 훑어보며 배운 걸 정리하고 제대로 이해했는지 점검해보기 바랍니다. 각 코드 블록에 해당하는 본문 설명의 위치를 숫자로 연결해뒀으니 특정 코드가 이해되지 않을 때 활용하기 바랍니다.

 

주요 내용

  • 파이토치 시작하기
  • 파이토치로 구현하는 ANN
  • 패션 아이템을 구분하는 DNN
  • 이미지 인식 능력이 탁월한 CNN
  • 사람의 지도 없이 학습하는 오토인코더
  • 순차적인 데이터를 처리하는 RNN
  • 딥러닝을 해킹하는 적대적 공격
  • 경쟁하며 학습하는 GAN
  • 주어진 환경과 상호작용하며 학습하는 DQN

이 책의 구성

 

딥러닝과 파이토치를 처음 접하는 사람이 쉽게 이론을 익히고 구현할 수 있도록 구성했습니다. 딥러닝은 언어부터 이미지까지 넓은 분야에 쓰이며 응용 분야에 따라 그 형태가 다양합니다. 따라서 최대한 다양한 학습 방식과 딥러닝 모델을 구현할 수 있도록 예제를 준비했습니다 .

 

_1장. 딥러닝과 파이토치

딥러닝의 기본 지식을 쌓고 여러 머신러닝 방식을 배웁니다. 파이토치가 무엇이고 왜 필요한지, 텐서플로와 케라스 같은 라이브러리와 무엇이 다른지 알아봅니다.

 

_2장. 파이토치 시작하기

파이토치 환경 설정과 사용법을 익힙니다. 파이토치 외에도 책을 진행하면서 필요한 도구를 설치합니다.

 

_3장. 파이토치로 구현하는 ANN

파이토치를 이용하여 가장 기본적인 인공 신경망(artificial neural network)을 구현하고 모델을 저장, 재사용하는 방법을 배웁니다.

 

_4장. 패션 아이템을 구분하는 DNN

앞서 배운 인공 신경망을 이용하여 Fashion MNIST 데이터셋 안의 패션 아이템을 구분해봅니다.

 

_5장. 이미지 인식능력이 탁월한 CNN

영상 인식에 탁월한 성능을 자랑하는 CNN(convolutional neural network)을 알아봅니다. 또한 CNN을 더 쌓아 올려 성능을 높인 ResNet에 대해 알아보고 구현합니다.

 

_6장. 사람의 지도 없이 학습하는 오토인코더

정답이 없는 상태에서 특징을 추출하는 비지도학습을 알아보고 대표적인 비지도학습 모델인 오토인코더(autoencoder)를 이해하고 구현하는 방법을 익힙니다.

 

_7장. 순차적인 데이터를 처리하는 RNN

문자열, 음성, 시계열 데이터에 높은 성능을 보이는 RNN(recurrent neural network)을 활용하여 영화 리뷰 감정 분석을 해보고 간단한 기계 번역기를 만들어봅니다.

 

_8장. 딥러닝을 해킹하는 적대적 공격

딥러닝 모델을 의도적으로 헷갈리게 하는 적대적 예제를 알아보고 적대적 예제를 생성하는 방법인 적대적 공격(adversarial attack)을 알아봅니다.

 

_9장. 경쟁하며 학습하는 GAN

두 모델의 경쟁을 통해 최적화하는 특이한 학습 구조를 가진 GAN(generative adversarial network)에 대해 알아봅니다. GAN은 데이터셋에 존재하지 않는 새로운 이미지를 생성할 수 있습니다. 예제로 Fashion MNIST 데이터셋을 학습하여 새로운 패션 아이템을 만듭니다.

 

_10장. 주어진 환경과 상호작용하며 성장하는 DQN(deep q-network)을 알아보고 간단한 게임을 마스터하는 인공지능을 구현해봅니다.

 

추천사

 

딥러닝 프레임워크는 딥러닝의 발전에 큰 기여를 해왔습니다. 파이토치는 딥러닝 발전에 기여한 프레임워크 중 하나로 처음 세상에 소개된 이후 많은 사람에게 사랑을 받아왔습니다. 최근에는 파이토치로 코드를 구현해서 공개하는 논문 저자도 많아졌습니다. 또한 페이스북에서 2019년 초에 발표한 내용에 따르면 파이토치를 단순히 연구용이 아닌 제품에 사용하는 용도로 개발하고 있다고 합니다. 

 

이 책은 파이토치를 간단한 코드와 다양한 예제를 통해 잘 설명하고 있습니다. 파이토치를 수월하게 다룰 수 있도록 단계별로 파이토치의 기능을 잘 알려줍니다. 딥러닝이 적용되는 분야가 많다 보니 분야마다 프레임워크를 사용하는 방식이 조금씩 다릅니다. 이 책에서는 이미지, 텍스트, 강화학습 분야에서 어떻게 파이토치를 사용하는지 소개합니다. 따라서 각자 공부하거나 연구하는 분야에 파이토치를 더 손쉽게 적용할 수 있도록 도와줍니다. 딥러닝을 학습할 때 적절한 도움이 있다면 더 빠르게 성장할 수 있다고 생각합니다. 이 책이 파이토치와 함께 많은 사람의 학습을 도와서 딥러닝 커뮤니티를 발전시킬 것으로 생각합니다.

_이웅원, 당근마켓 소프트웨어 엔지니어, 『파이썬과 케라스로 배우는 강화학습』 공저자

 

코딩에 입문하게 된다면 Hello World!, 딥러닝에 입문하게 된다면 MNIST라고는 하지만 입문자에게는 생소한 함수와 문법들 때문에 적응하기 어려웠습니다. 하지만 그 어떤 딥러닝 프레임워크보다 파이써닉하고 쉬운 딥러닝 프레임워크인 파이토치로 인해서 초등학생들도 딥러닝을 할 수 있는 시대가 왔습니다. 이 책에서는 다른 딥러닝 책에서는 잘 다루지 않는 GAN이나 적대적 공격(Adversarial Attack)도 파이토치로 쉽게 다루고 있습니다. 딥러닝은 들어봤지만 아직 모델을 직접 구현해보지 않은 사람이나 딥러닝의 어느 분야에서 공부해야 할지 갈피를 못 잡은 사람에게 추천합니다.

_주찬웅, 네이버 소프트웨어 엔지니어

 

머신러닝과 딥러닝은 이제 어려운 분야가 아닙니다. 잠깐 반짝하고 사라지는 일시적인 유행이라 볼 수도 없습니다. 이제는 개발자의 필수 교양으로 입지를 다져가고 있습니다. 머지않아 자료구조, 알고리즘과 함께 인공지능에 대한 이해가 개발자의 기초가 될지 모릅니다. 저자는 쉽게 그리고 친절하게 딥러닝의 필수 요소를 설명해줍니다. 마치 동료와 함께 프로젝트를 하며, 짝 프로그래밍하는 느낌으로 가깝게 다가옵니다. 각 장에서 간결한 이론과 흥미로운 예제들은 빠르게 기초를 다지고, 핵심을 이해하고, 실전처럼 기술을 다룰 수 있게 도와줍니다. 딥러닝에 대한 사전 지식이 없더라도 프로그래밍 기초만 있다면 문제없습니다. 파이썬, 파이토치와 풍부한 예제로 누구나 즐겁게 오늘의 요리사가 될 수 있습니다.

_박성순, 아마존 소프트웨어 엔지니어

 

이 책을 읽는 것은 마치 한편의 코스 요리를 맛보는 것과 같습니다. 처음에는 애피타이저로 간단하게 인공 신경망을 구현해보는 것부터 시작하여 CNN, RNN, GAN과 같은 다양한 메인요리까지 다양한 주제를 맛보게 될 겁니다. 마지막에는 딥러닝 해킹이나 강화학습과 같이 다소 생소할 수 있는 주제까지 접할 수 있는 좋은 기회가 될 겁니다.

_성민석, 홍익대학교 컴퓨터공학과 4학년

 

대부분의 딥러닝 서적은 텐서플로로 쓰여 있습니다. 최근 들어 파이토치에 관련된 책이 하나둘씩 나오는 가운데 이 책을 알게 됐습니다. 텐서는 정적 그래프로 시작하면 수정할 수 없습니다. 파이토치는 동적 계산 그래프를 사용해 데이터에 유연한 모델을 만드는 장점이 있습니다. 이 책은 파이토치를 활용해 딥러닝 기초부터 심화까지(CNN, RNN, DQN, GAN, 오토인코더 등) 다룹니다. 저자가 직접 만든 그림 설명은 인공지능 입문자가 이해하는 데 큰 도움이 돼 강력하게 추천합니다.

_오동주, SW 개발자

 

파이토치를 사용해 처음부터 하나씩 구현해보며 딥러닝을 학습 할 수 있는 책입니다. 오늘보다 내일을 생각하고자 하는 당신에게 이 책은 간결함과 유연함으로 뭉친 파이토치의 매력을 보여줄 겁니다. 단순한 사용법을 넘어 이해를 바탕으로 한 적용을 목표로 하고 있으며, 한 줄 한 줄 읽다 보면 저자가 말하고자 하는 내용을 자연스럽게 이해할 수 있도록 구성되어 있습니다. 특히, 뻔하지 않은 새로운 예제를 활용한 각 장의 실습 코드는 간단한 수정을 거친다면 바로 당신만의 데이터로 훈련시켜 볼 수 있는 딥러닝 네트워크로 사용 할 수 있습니다. 이 책이 소개하는 ‘파이토치다운’ 딥러닝을 지금 시작해보세요.

_임우재, 경희대학교, 융합의과학과 석사과정

 

이 책을 통해서 파이토치가 이해하기 쉽고 실무에서 사용하기에도 장점이 많은 딥러닝 프레임워크라는 것을 알게 되었습니다. 초보자를 위한 도서임에도 예제가 틀에 박히지 않고 신선하게 구성되어서 좋았네요. 저자들의 정성만큼 가장 쉽고 범용적인 입문서를 표방하는 3분 딥러닝 시리즈 명성을 그대로 이어가기를 기대합니다.

_이요셉, 지나가던 IT인

 

이 책의 주요 장점은 ‘쉽게 설명해준다’, ‘파이토치를 통하여 쉽게 구현할 수 있다’, ‘다양한 개념을 다룬다’는 점인 것 같습니다. 딥러닝을 시작할 때, 구현해보지 않고 이론만 배우면 흥미가 떨어지고, 개념이 잘 와닿지 않는 경우가 많습니다. 또, 구현할 때 어려운 언어나 라이브러리를 사용하면 진입장벽이 높아집니다. 파이토치는 상대적으로 쉽게 딥러닝을 프로그래밍할 수 있는 라이브러리입니다. 이 책은 단원별로 그림을 이용하여 쉽게 개념을 설명해주고 쉽게 구현해볼 수 있어, 인공지능을 처음 시작하는 사람이 보기 좋은 책입니다. 또, GAN, DQN, RNN, 오토인코더 같은 다양한 내용도 다루고 있습니다. 딥러닝을 계속해서 접하다 보면 이러한 내용들이 자주 등장합니다. 이 책에서는 다소 어려울 수 있는 위의 개념을 굉장히 쉽게 설명해줍니다. 쉽게 다양한 주제를 접할 수 있다는 것도 이 책의 장점이라고 생각합니다.

_임재곤, SK하이닉스, 시스템엔지니어

 

딥러닝을 연구 개발하면서 텐서플로와 케라스를 주로 사용해왔습니다. 최근 파이토치에 관련된 논문과 자료가 작년부터 급증하는 추세인데요, 더는 파이토치를 편식해서는 안 되겠다는 생각이 들던 차에 이 책을 만났습니다. 책을 열고 하루만에 두 번 읽었습니다. 이 책은 파이토치의 핵심을 쉽게 이해할 수 있도록 쓰인 책입니다. 딥러닝 모델에 대한 쉬운 설명과 신선한 예제들은 학습하는 데 흥미를 일으킵니다. 파이토치는 넘파이와 매우 유사해서 파이썬에 대한 기본적인 지식이 있는 사람은 파이토치로 딥러닝을 좀 더 쉽게 배울 수 있습니다.

_황시연, 데이터 저널리스트

 

모임이 있을 때마다 사람들이 “토치토치, 파이토치”라고 했다. “토치토치” 그러는데 아기공룡 둘리에 나오는 ‘또치’인가 하며 가만히 있었다. 대화에 낄 수가 없어서 너무나도 아쉬웠다. 이 책을 보면서 고개라도 끄덕일 수 있지 않을까 하고 기대했다. 나처럼 모임에 갈 때 조금 아는 척하며 대화에 끼고 싶은 사람은 이 책을 따라 하면 좋을 듯하다.

_송진영, 데이터분석가, fast.ai.kr 운영진

 

처음에 인공지능을 파이토치가 아닌 다른 프레임워크로 공부했기 때문에 새로운 프레임워크를 배우는 게 조금 부담스러웠습니다. 하지만 파이토치는 파이써닉하게 직관성과 간결성을 가졌고, 저자들의 친절하고 자세한 설명 덕분에 쉽게 입문할 수 있었습니다. 파이토치라는 도구를 가지고 다양한 분야에서 어떻게 인공지능 모델들이 만들어지는지 배울 수 있는 기쁨을 느껴보기 바랍니다. 인공지능이 데이터를 학습하고 새로운 세계에서 자신의 지능을 활용하듯, 이 책을 읽고 파이토치에 대해 학습한 여러분은 이제 자유자재로 파이토치를 자신의 태스크에 맞게 사용할 수 있을 겁니다.

_이정연, Biomimetics + AI를 꿈꾸는 공학도, AI Robotics KR 1기 운영진

 

파이토치를 사용하여 동작하는 예제로 딥러닝을 맛보기 좋게 풀어내는 책입니다. 책 제목처럼 부담 없이 코드를 실행해보면서 딥러닝 개념을 손과 몸에 익히고 흥미를 느껴보기 바랍니다.

_조우진, 라인플러스, Data Analytics dev

다양한 분야의 지식을 맛보기를 통해 빠르고 간편하게 접해보라는 기획의도로 한빛미디어에서 3분 시리즈를 냈다. 쉽지 않은 분야의 지식을 3분에 맛볼 수 있다니 궁금했다. 처음 택한 맛은 '딥러닝 파이토치 맛'. 토치라는 단어 때문에 숯불 맛일 거라 상상하면서 골랐다.

 

프로그래밍과 관련된 대부분 책들은 툴과 소스 받는 법을 설명하고, 새로운 개념 및 용어에 대한 설명을 하고, 동작 방식을 설명하고, 이를 구현한 소스를 소개하는 순서로 내용을 전개한다(주관적인 경험이므로 항상 그렇다는 것은 아니다). 이 방식은 이론을 제대로 이해하고, 실습을 할 수 있다는 장점이 있다. 하지만 진입장벽이 높은 분야일 경우 진도를 나가기 어렵다는 단점이 있다.

 

(내가 경험한) 강의는 대부분 간략하게 이론을 설명하고 이를 구현한 코딩을 하나씩 따라 하게 한다. 강의를 듣기만 할 때는 집중하기 어려운 내용도 하나씩 따라 하면 집중력도 높아지고 입력한 코드들을 보며 성취감도 느낄 수 있다. 눈으로 보는 것과 직접 해보는 것의 차이는 크다. 자꾸 해야 익숙해지고, 익숙해지면 어렵지 않게 느끼게 된다. 어렵지 않다고 느껴야 자꾸 해본다. 단점은 따라 하느라 정신이 없고 산만하다.

 

딥러닝은 어려운 분야다. 수학에 대한 지식도 있어야 하고, 알고리즘도 이해해야 한다. 낯선 용어들이 난무한다. 신경망을 따라 했다고 하지만 내 생각이 신경망처럼 동작하지는 않는다. 내용을 읽다 보면 조사만 아는 용어인 경우도 있다. 그래서일까? 이 책은 후자 방식을 택한다.

 

"새로운 프로그래밍 언어나 라이브러리를 학습하는 가장 좋은 방법은 무엇일까요? <3분> 시리즈는 긴 설명을 읽기보다는 직접 코드를 입력해가면서 익히게 해 쉽고 재미있습니다."

 

거기에서 멈추지 않는다. 더 자세한 이론을 알고 싶은 독자들을 위해 이 책에서는 자세한 설명이 있는 책이나 영상을 추천한다.

 

이 책은 기본적인 인공 신경망(ANN)부터 패션 아이템을 구분하는 DNN, 이미지 처리하는 CNN, 사람의 지도 없이 학습하는 오토 인코더, 문자열, 음성, 시계열을 분석하는 RNN, 딥러닝을 해킹하는 적대적 공격, 두 모델이 경쟁을 통해 최적화하는 GAN, 주어진 환경과 상호작용하며 스스로 성장하는 DQN 등 많이 소개되는 일반적인 알고리즘부터 핫한 알고리즘까지 다 다룬다.

 

그런데 두께가 얇다!!! 유명한 딥러닝 책들을 사놓고 조사만 읽다 말았는데, 이 책은 끝까지 읽었다. 또 읽어볼 생각이 든다. 나 같은 딥러닝 초보를 잘 겨냥한 책이다.

 

CHAPTER 3 ANN에서 머신러닝 핵심 개념과 파이토치 필수 기능, 머신러닝에서 사용되는 기술까지 다루어서 내용이 좀 어렵게 느껴지긴 하겠지만 이후 장부터는 좀 더 쉽게 이해할 수 있다.

 

 

 

올해 딥러닝 책을 여러 권 읽었는데,  파이토치로 실습이 안내된 책은 처음이었습니다. 

(제가 읽은 것중에는 처음이지만, 시중에 파이토치 책들은 많습니다 :-) )

케라스, 텐서플로우, 카페2 등 딥러닝 프레임워크들이 여러 개 존재하지만,

왜 파이토치를 공부하는지는

www.itworld.co.kr/news/144936 를 참고하면 되겠습니다.

 

 

 

이 책의 장점은 1. 얇고, 작아서 휴대하기 편한 사이즈의 책인데 내용도 알차다

                    2. 파이토치를 배울 수 있다.  

입니다. 

파이토치는 "페이스북이 주도하여 만든 딥러닝 모델 구현용 오픈소스 도구"입니다. 

 

목차는 다음과 같습니다.

Chapter 1. 딥러닝과 파이토치

  1.1 인공지능과 머신러닝

  1.2 지도학습, 비지도학습, 강화학습

  1.3 딥러닝과 신경망

  1.4 파이토치가 개발되기까지

  1.5 왜 파이토치인가?

  1.6 마치며

 

Chapter 2. 파이토치 시작하기

   2.1 파이토치 설치 & 환경 구성

       2.1.1 파이썬 설치

       2.1.2 파이토치 설치

   2.2 파이토치 예제 내려받고 실행 확인하기

   2.3 주피터 노트북

   2.4 마치며

 

Chapter 3. 파이토치로 구현하는 ANN

   3.1 텐서와 Autograd

        3.1.1 텐서의 차원 자유자재로 다루기

        3.1.2 텐서를 이용한 연산과 행렬곱

        3.1.3 Autograd

   3.2 경사하강법으로 이미지 복원하기

        3.2.1 오염된 이미지 문제

        3.2.2 오염된 이미지를 복원하는 방법

        3.2.3 문제 해결과 코드 구현

    3.3 신경망 모델 구현하기

        3.3.1 인공신경망(ANN)

        3.3.2 간단한 분류 모델 구현하기

     3.4 마치며

 

Chapter 4. 패션 아이템을 구분하는 DNN

     4.1 Fashion MNIST 데이터셋 알아보기

     4.2 인공 신경망으로 패션 아이템 분류하기

         4.2.1 인공 신경망으로 패션 아이템 분류하기

         4.2.2 이미지 분류 문제

         4.2.3 이미지 분류를 위한 인공신경망 구현

     4.3 성능 측정하기

     4.4 과적합과 드롭아웃

         4.4.1 데이터 늘리기

         4.4.2 드롭아웃

      4.5 마치며

 

Chapter 5. 이미지 처리 능력이 탁월한 CNN

      5.1 CNN 기초

           5.1.1 컴퓨터가 보는 이미지

           5.1.2 컨볼루션

           5.1.3 CNN 모델

       5.2 CNN 모델 구현하기

       5.3 ResNet으로 컬러 데이터셋에 적용하기

          5.3.1 ResNet 소개

          5.3.2 CIFAR-10 데이터셋

          5.3.3 CNN을 길게 쌓는 방법

       5.4 마치며

 

Chapter 6. 사람의 지도 없이 학습하는 오토인코더

        6.1 오토인코더 기초

        6.2 오토인코더로 이미지의 특징 추출하기

           6.2.1 오토인코더 구현

           6.2.2 잠재 변수 들여다보기

        6.3 오토인코더로 망가진 이미지 복원하기

           6.3.1 잡음 제거 오토인코더 구현

           6.3.2 잡음 제거 시각화하기

        6.4 마치며

 

Chapter 7. 순차적인 데이터를 처리하는 RNN

      7.1 RNN 개요

      7.2 영화 리뷰 감정 분석

           7.2.1 자연어 전처리

           7.2.2 RNN 모델 구현

      7.3 Seq2Seq 기계 번역

           7.3.1 Seq2Seq 개요

           7.3.2 인코더

           7.3.3 디코더 

           7.3.4 Seq2Seq 모델 구현하기

     7.4 마치며

 

Chapter 8. 딥러닝을 해킹하는 적대적 공격

     8.1 적대적 공격이란?

     8.2 적대적 공격의 종류

     8.3 FGSM 공격

          8.3.1 학습된 모델 불러오기

          8.3.2 공격할 이미지 불러오기

          8.3.3 공격 전 성능 확인하기

          8.3.4 FGSM 공격 함수 정의

          8.3.5 적대적 예제 생성

          8.3.6 적대적 예제 성능 확인

    8.4 마치며

 

Chapter 9. 경쟁하며 학습하는 GAN

    9.1 GAN 기초

    9.2 GAN으로 새로운 패션 아이템 생성하기

          9.2.1 학습 준비

          9.2.2 생성자와 판별자 구현

          9.2.3 GAN 학습 구현

          9.2.4 결과물 시각화

    9.3 cGAN으로 생성 제어하기

          9.3.1 cGAN으로 원하는 이미지 생성하기

          9.3.2 조건부 생성자와 판별자

          9.3.3 cGAN 학습 구현

          9.3.4 결과물 시각화

    9.4 마치며

 

Chapter 10. 주어진 환경과 상호작용하며 학습하는 DQN

     10.1 강화학습과 DQN 기초

     10.2 카트폴 게임 마스터하기

          10.2.1 하이퍼파라미터

          10.2.2 DQN 에이전트

          10.2.3 이전 경험 기억하기

          10.2.4 행동하기

          10.2.5 경험으로부터 배우기

          10.2.6 학습 시작하기

     10.3 마치며

 

대부분의 인공지능 책들이 비슷한 내용을 다루는데, 저마다의 차이는 있습니다.

1. 이해는 쉬우나, 깊이가 없는 책

2. 깊이는 있으나 이해가 어려운 책

 

이 책은 1번, 이해는 쉬우나 깊이가 없는 책에 가깝기는 하나, 이는 딥러닝 모델을 설명하는 수학적인 수식 등의 복잡한 이론들이 빠져있다는 점에서 평가한 것이지, 다루는 내용이 적다는 것은 아닙니다.

다양한 딥러닝 모델의 개념을 이론적으로 간략하게, 그러나 이해가 쉽도록 설명하고 실습 코드를 다 담았습니다. 그래서 실습을 따라하면서 이해하기가 용이합니다. 그런 의미에서 이 책은 너무 이론부터 시작하고 싶지 않고, 개략적으로 다양한 모델들을 접해보고 실습하여 시작해보고 싶은 사람들에게 추천드리는 책입니다. 

 

또한 다른 책에서는 잘 볼 수 없었던 딥러닝의 약점으로 해킹하는 '적대적 공격' 까지도,

딥러닝을 다양하게 책에 담으려는 노력이 느껴졌습니다.

 

 

그리고 이 책을 본 후, 다음에는 무엇을 공부할까 고민하는 학생들을 위해 책 초반부에 어떤 강좌와 책을 다음에 보면 좋을지 추천도 해주고 있습니다. 

 

 

책 표지에 귀여운 펭귄이 그려져있어 읽고싶어지는 책이다 :-)

 

시간이 없어 책에 있는 코드들을 하나하나 돌려보지 못했는데,

10월부터 차근차근 책에 있는 파이토치 코드들을 실행시켜보면서 저도 이 책을 통해서 딥러닝 모델들을

하나하나 다시 공부해보고자 합니다.  

#한빛미디어 #IT서적 #인공지능 #머신러닝 #딥러닝 #파이토치 #CNN #RNN

#오토인코더 #GAN

 

2016년 알파고 VS 이세돌, 기계와 인간 그 세기의 대결이라 큰 이슈가 된 적이 있었다. 아마 이 시기에 인공지능이라는 처음 단어를 접했던 것 같은데 4년이 지난 지금은 인공지능의 르네상스 시대를 맞이한 듯 한 느낌.

어느 기사에서는 인공지능의 학습 오차율이 인간보다 낮다고도 한다.

교육계에서도 AI융합 교육이 많이 시도되고 있고, AI 스타트 업도 많아지는 것 같다.

 

[어떤 딥러닝 프레임워크보다 파이써닉하고 쉬운 딥러닝 프레임워크인 파이토치의 탄생으로 초등학생도 딥러닝을 구현할 수 있는 시대가 왔습니다]

주찬웅, 네이버 소프트웨어 엔지니어

 

 

추천사에도 써있듯이 어떤 입러닝 프레임워크보다 쉬운!! 이 책을 접하면서 이 부분에 상당한 기대가 있다^^

솔직히 입문자인 나에겐 인공지능을 학습한다는 것이 어렵지 않을까? 라는 생각을 했고 처음 이 책을 접했을 때도 너무 어렵지 않을까...하는 두려움이 있었던 것은 사실이지만..!!

펭귄브로의 귀여운 일러와 3분 딥러닝이라는 제목이 조금은 그 두려움을 상쇄시켜주는 듯 하다.

사진 설명을 입력하세요.

목차를 보면 머신러닝에서 구현되는 다양한 학습 모델들이 있다.

스터디를 통해 CNN, RNN, GAN 등의 개념을 익혔지만 그냥 이론상으로만 익힌거라 실습예제와 함께 한다면 개념과 더불어 그 작동 원리까지 이해하는데 도움이 되지 않을까 하는 기대감!! 게다가 파이썬 코딩과 비슷해서 파이토치가 그렇게 어렵게 느껴지지도 않는다:)

사진 설명을 입력하세요.

또한 머신러닝에 대한 기본적인 개념과 함께 기본 코드들이 제공되는데 각각의 코드들에 대한 설명과 전체적인 코드도 제공되서 원리를 이해하는데 많은 도움이 될 것 같다.

사진 설명을 입력하세요.

아직 정독과 실습을 하진 못했지만 딥러닝을 공부하는 내겐 많은 도움이 될 것 같다.

 

한빛미디어의 3분 딥러닝 시리즈에 파이토치맛이 추가 되었다. 다른 3분 시리즈와 마찬가지로 딥러닝의 여러 기법들을 소개하는 큰 줄기로 책이 구성된다. 그 중심에는 파이토치가 있다. 

 

 

파이토치는 페이스북 주도로 여러 회사와 대학이 합심해 개발한 오픈 소프트웨어이다. 텐서플로우 이후 탄생한 딥러닝 프레임워크로 텐서플로우에서 아쉬웠던점들이 상당부분 보완되어 탄생했다. 아마 내가 처음 파이토치를 접한 건 파이토치로 구현된 deepspeech2 를 들여다보고 커스터마이징 했을때같다. 딥러닝의 기법들을 상당히 직관적으로 풀어내고 있기 때문에 코드를 이해하는데도 큰 어려움이 없었다. 

책 중간이 [재미로 보는 파이토치 관련 숫자]가 있는데 아래와 같은 내용으로 채워져있다.

2019년 8월 25일 기준으로 파이토치와 관련된 숫자는 다음과 같습니다.
- 2016년 8월 12일 첫 공개
- 공개된 깃허브에서 파이토치를 이용한 파이썬 코드는 약 166,860줄
- 26,862개의 깃허브 프로젝트가 파이토치를 언급함
- 깃허브에서 약 31,000개의 스타와 7,600개의 포크를 받음
- 한 달 평균 약 150명의 개발자가 600여 커밋을 기여하고 1,000여 파일에서 50,000줄의 코드를 더하고 20,000줄의 코드를 삭제함
- 약 11,100개의 논문에서 파이토치가 언급됨 (같은 기간 텐서플로우는 29,100번 언급)
- ICLR 2019에 제출된 252개의 연구논문에 사용됐고 전년 대비 채택률이 189% 증가함. 같은 기간 텐서플로우는 266번 사용됐고 전년 대비 채택률은 17% 증가함 

수치를 들여다보면 얼마나 빠르게 성장하고 있는 프로젝트인지 가늠이 된다. 

 

 

책의 모든 내용은 칼라로 구성되어 있고 다루고 있는 소스코드는 깃헙에서 내려받을 수 있다. 여러개의 모델을 두루 다루면서 다양한 머신러닝 기법이 파이토치에서 어떻게 사용되는지 빠르게 훑어볼 수 있다. 다루는 모델은 아래와 같다.

ANN, 패션 아이템을 구분하는 DNN, 사람의 지도 없이 학습하는 오토인코더, 순차적인 데이터를 처리하는 RNN, 경쟁하며 학습하는 GAN, 주어진 환경과 상호작용하며 학습하는 DQN

심도 있게 공부 하려면 하나같이 꽤 높은 이해를 요구하는 것들이니 파이토치의 문법을 익히는데 초점을 맞추고 보는 게 좋다. 각 모델을 이 책으로 이해하려고 한다면 다소 무리가 있을 수 있기 때문에 머신러닝의 기본 개념을 다른 책을 통해 학습하고나서 이 책을 보는 게 좋겠다. 

3분 딥러닝: 파이토치맛

오늘 소개할 도서는 '펭귄브로의 3분 딥러닝: 파이토치맛'으로 두 명의 저자가 파이토리로 인공지능 구현하는 방법을 설명합니다. 인공지능을 개발할 때 많이 사용되는 프레임워크는 텐서플로우, 케라스, 파이토치 등이 있으며, 실제 연구에는 케라스 및 텐서플로우가 현재 많이 사용되고 있지만, 최근 들어 파이토치 또한 논문 및 연구 쪽에서 어렵지 않게 볼 수 있습니다. 개인적으로 추상화가 너무 잘되어 있어 디테일한 수정이 불가능했지만, 다른 프레임워크 보다 좀 더 빠르게 구현할 수 있다는 장점이 있었습니다. 

 

파이토치는 페이스북에서 만든 딥러닝 모델 오픈소스 프레임워크입니다. 이 책은 ANN, DNN, CNN, RNN, GAN 등을 파이토치를 이용해 구현해봅니다. 3분 시리즈의 특성상 수학적 공식과 같은 이론 위주의 도서보다는 코드 위주로 빠르게 구현하고 이해하는 데 집중하고 있습니다. 3장은 파이토치로 ANN인 인공신경망을 구현하고 있습니다. 딥러닝의 가장 기본인 ANN은 각 노드들이 유기적으로 연결되어 가중치를 역전파 알고리즘 등으로 조정하고 최적화합니다. 5장은 지금까지도 가장 활발히 사용되고 계속적으로 발전되고 있는지 CNN을 사용해 이미지 처리를 다룹니다. CNN은 컨볼루션 신경망으로 합성곱 신경망이라 합니다. 컨볼루션은 계층적으로 이미지를 인식하도록 단계마다 이미지의 특징을 추출하게 됩니다. 이렇게 컨볼루션을 거쳐 만들어진 이미지를 특성 맵이라고 합니다. 이후 ResNet도 소개하는데, 데이터셋이 복잡해질수록 학습량은 많아지고 좀 더 효율적인 아키텍처 필요합니다. 컨볼루션층의 출력에 전의 모든 레이어에 쓰였던 입력을 더해 과거의 특징을 함께 가져갑니다. 


7장의 RNN은 순차적인 데이터를 다룹니다. 흔히 보는 텍스트, 글, 음악, 시계열 데이터가 해당됩니다. 책에서는 설명도 설명이지만 코드와 함께 구현과 테스트가 따라하기 쉽게 적혀있습니다. 9장은 생산적 적대 신경망인 GAN을 소개합니다. 새로운 진짜같은 가짜 데이터를 생성하는 GAN은 아이디어부터 활용까지 정말 놀라운 딥러닝 방법입니다. 거기에다가 사용자가 원하는 레이블 정보와 함께 조건을 걸어 원하는 가짜 이미지를 생성하는 조건부 GAN도 존재합니다. 이후 현재까지도 다양한 GAN이 파생되어 연구되어 있습니다. 파이토치는 제품, 연구 등 딥러닝이 활용되는 분야에서 구현을 빠르게 할 수 있는 프로엠워크입니다. 입문자부터 시작해 학생, 전문가까지 빠르게 개념을 습득하고 싶을 때 이 책이 많은 도움이 될 것입니다. 특히, 이론보다는 실습이 좀 더 재미있고 효과가 좋은 독자에게 더욱 도움이 될 것입니다.

전문적인 프로그래머는 아니지만, 4차산업혁명의 기술인 딥러닝과 파이썬에 대해서 궁금하던 도중 접한 책이 펭귄브로의 3분 딥러닝, 파이토치맛입니다.

펭귄브로의 3분 딥러닝 파이토치맛에서는 파이토치를 간단한 코드와 예제로 설명을 하고 있는데, 간결하고 이해하기 쉽게 표현되어 있어서 초보자도 배우기 쉬운 책입니다.

특히 이 책에서는 파스토치를 이용하여 4차 산업혁명의 핵심기술인 인공지능을 구현하는 방법을 알려줍니다.

인공지능 입문자를 위한 기본 지식과 최신 인공지능 구현방법인 인공 신경망 기술을 사례위주로 알려주어 이해하기에 편합니다.

 

제4차 산업혁명의 핵심인 인공지능을 학습하는 도구로도 매우 좋은 툴이 아닌가 싶은데요.

딥러닝, 파이토치에 관심있으신 분들에게 이 책을 읽으면 도움이 될 것 같습니다.

 

 

20200903_160624_HDR.jpg

 

 

20200903_160816_HDR.jpg

 

20200903_170925_HDR.jpg

 

일할때는 Tensorflow를 사용하는데 체감상 주변에서는 모두 PyTorch를 사용하는 것 같다. 또 Tensorflow를 사용하다가 PyTorch로 넘어간 사람들의 삶이 얼마나 행복해졌는지 간증을 듣고있노라면 대체 얼마나 더 좋은건지 궁금하기도 했다. 그래서 이 책을 골랐다.

나는 Tensorflow와 PyTorch의 차이점에 중점을 두고 읽어보긴 했지만, 사실 딥러닝에 대한 개괄적 소개를 그저 PyTorch를 이용해서 하는 책이다. 그러므로 이 책이 얼마나 훌륭하게 딥러닝을 초보자들에게 설명해주는지와 PyTorch와 Tensorflow가 어떤 차이점이 있는지 내가 느낀 점을 나눠서 소개하려고 한다.


책 소개

저자가 NYU 출신이라서 NYU의 세계적인 딥러닝 연구자인 조경현 교수님 수업에서 사용된 과제를 교수님 허락 하에 책에 실었다. 과제의 내용은 아래와 같다.

어떤 함수를 이용해 오염된 이미지를 복원하시오.

(https://github.com/nyu-dl/Intro_to_ML_Lecture_Note/blob/master/homeworks/hw2.ipynb)

딥러닝이 전통적 프로그래밍과 어떻게 다른지, 딥러닝 모델이 Universal Functino Approximator 로서 어떻게 기능하는지를 체험해 볼 수 있는 훌륭한 과제라고 생각한다. 과제는 공개되어있으니 궁금한 사람들은 직접 해결해보면 좋다.

딥러닝을 처음 소개하는 책에서 CNN, RNN을 언급하는 것까지는 상당히 일반적인데 이 책은 욕심을 더 내서 GAN, Autoencoder, Adversarial Attack, Reinforcement Learning까지 소개한다. 그리고 CNN과 RNN에서 대표 모델로 ResNet과 Seq2Seq도 소개한다. 책의 크기와 두께로 미루어 봤을때는 가볍게 읽는 튜토리얼정도 일 것 같았는데 이렇게 방대한 분량이 들어간게 신기하다. 물론 각 내용을 깊이있게 다루진 않지만 소개의 목적에서는 최근 중요하게 다뤄지는 것들을 최대한 많이 담아서 좋다고 생각한다. 개인적으로는 최근 이슈가 많이 되는 Adversarial Attack 내용을 이 기회에 접하게 되어 좋았다.

예제 코드는 부분별로 잘라서 설명하고 맨 마지막에 전체 코드를 담았는데 내가 선호하는 방식은 아니긴 하다. 물론 이는 취향차이라고 생각한다.

Tensorflow vs PyTorch

이 부분은 책 소개라기보단 개인적 소회이다. 물론 이 책은 간단한 딥러닝 소개서이므로 PyTorch의 구석구석을 잘 소개한 것은 아니기 때문에 엄밀한 비교가 될 수는 없고 그냥 내 감상이라고 보면 될 듯 하다.

(내가 현재 Tensorflow 2.0을 사용하므로 이를 기준으로 비교해보겠다.)

Tensorflow

우선 Tensorflow는 공식 문서의 구성부터 엉망진창이다. 크게 tutorial과 guide로 나뉘어져 있는데 굳이 왜 이렇게 구분했는지 의문이다. 잠시 눈을 감고 3분정도 생각해보면 tutorial은 정말 초심자를 위한 소개글이고 guide는 더 심화된 내용이지 않을까 싶은데 tutorial 내에서도 기본편과 심화편이 나뉘어있어서 혼란은 더욱 가중된다. 그리고 상당수 내용이 중복된다. Tensorflow는 일단 이 공식 문서부터 교통정리를 해야된다고 본다.

공식문서를 찬찬히 따라가면서 가장 황당했던건 곧 deprecated되는 API를 버젓이 소개하고 있다는 점이다. 처음에 코드를 따라치면서 실행해보면 이 API는 곧 deprecated 될 것이라고 나오는데 잘못 따라쳤나 싶어 문서를 확인해보면 거기서도 버젓이 같은 결과물이 실려있다. deprecated될 API 대신 뭘 사용해야 하는지도 잘 모르겠다. 내가 무지해서 그런 것일수도 있지만 이런 무지한 사람들도 잘 사용할 수 있게 찰떡같이 공식문서를 만들어놔야 사용자층이 더 넓어질 것 아닌가.

Tensorflow는 딥러닝 모델을 만드는 API의 큰 축이 크게 3~4가지이다. 크게 보면 Keras Sequential API, Functional API, Subclassing API가 있고 완전한 TF Custom API를 Keras API와 적절하게 섞는 방법이 있다. 입맛대로 골라 쓸 수 있는건 좋은데 초심자에겐 상당히 곤란한 지점이 아닐 수 없다.

욕뿐인 Tensorflow에서 가장 애증의 대상이 개인적으로는 Dataset API이다. 일단 이 Dataset API는 정말 훌륭하다. map & reduce로 변환이 가능하며 batching, padding, sampling, 무한반복을 간편하게 사용할 수 있고 무엇보다 성능 개선을 위한 API가 너무 잘되어 있어서 데이터셋 로딩 과정에서 병목을 간단하게 해결할 수 있다. 개인적으로 Tensorflow를 계속 쓰는 이유는 오로지 이 Dataset API 한가지뿐이다.

그런데 왜 애증의 API이냐면 배우기가 너무 어렵다. 공식문서에서 소개하는건 전체 데이터를 메모리에 다 올릴 수 있는 경우 그냥 numpy로 읽어서 Dataset으로 변환하면 되는 경우인데 실무에서 그런 경우가 얼마나 될까 싶다. 결국 대용량 파일들을 학습하면서 읽어와야하는데 그러려면 tfrecord를 사용해야한다. 근데 이 tfrecord가 상당히 직관적이지 않다. 내가 못해서 그런것일테니 다시 말하면 나같은 평범한 개발자가 단박에 이해하기는 어렵다고 보면 되겠다. 하지만 일단 한번 손에 익혀두면, 스파크에서 tfrecord로 데이터 추출하고 이를 분산 저장해서 학습 과정에 병목 없이 읽어들이는 일련의 과정이 상당히 편해지고 성능 튜닝까지 간단하다. 좀만 더 편하게 만들면 좋았을것을…

PyTorch

우선 공식 문서가 상당히 깔끔하다. 읽기 좋은 문서가 씹고 뜯기에도 좋은 법인데 그런 면에서 PyTorch의 문서들은 직관적이고 필요한 내용을 어디서 찾아야 하는지 쉽게 알 수 있다.

PyTorch는 딥러닝 모델을 만드는데 한가지 방법만을 소개하기 때문에 고민 없이 사용 가능하다. (심화과정에서 더 있는지는 모르겠으나 최소한 입문용 문서에는 한가지로 통일되어있다.) Tensorflow의 Keras Subclassing API와 유사한데 Tensorflow도 애초에 이거 하나만 제공했으면 어땠을까 싶다. 물론 아주 간단한 구조의 네트워크를 만들고 학습하는데는 Keras Sequential API가 훨씬 쉽다. 입문에는 이만한게 없지만 조금만 더 복잡한 일을 하려고 하면 결국 Functional API나 Subclassing API를 손대기 시작해야하는데, 서로간에 호환이 잘 안되는 부분이 꽤 있다는것이 문제다. 이걸 일일이 언급하다간 지면이 부족하므로 생략한다.

텐서 연산과 모델 학습을 위한 API들도 Tensorflow보다 더 직관적이라고 느껴진다. 직접 실험해본건 아니지만 성능에서도 PyTorch가 뒤지지 않거나 앞서는 경우가 많다고 하는데 Tensorflow도 PyTorch API에서 많이 벤치마킹해줬으면 한다.

Tensorflow의 Dataset API와 비슷한 역할이 PyTorch에서는 Dataloader & Dataset API로 보여지는데 공식문서의 간단한 내용만 살펴보면 Tensorflow의 손을 들어주고 싶다. 기본적인 변환 파이프라인, 병렬처리는 제공하지만 Tensorflow에서 HDFS를 네이티브로 지원하고 성능 튜닝도 손쉽다는 점이 내 현재 상황에서는 많이 매력적이다.


책 소개 글인데 오히려 PyTorch와 Tensorflow의 비교 내용이 더 커져버렸다. 개인적으로 결론을 내리자면 PyTorch가 약간 더 나아보이므로 이 책으로 딥러닝을 입문하는 것은 아주 좋은 선택이라고 볼 수 있겠다.

오뚜기3분카레 같은 디자인의 책이지만 즉석식품에서는 느낄수 없는 깊은 맛을 내는 책이라고 말하고 싶다. 텐서플로우나 케라스와 관련된 커뮤니티나 자료를 쉽게 찾아 볼수 있으나, 파이토치는 또 뭐란말인가? 라는 생각이 들던차에 부담없는 두께와 IT서적에서는 볼 수 없는 다양한 색감이 시선을 끌어서 좋았다. 파이토치를 활용해 딥러닝의 기초부터 다양한 신경망구조에 이르는 심화된 내용까지를 그림을 통하여 쉽게 설명하고 있어서 더욱 좋았고, 이해도가 높아지는 것으로 생각된다.



프로그래밍에 대한 기초지식만 있다면 딥러닝에 대한 기초지식이 전무하더라도 펭귄브로의 3분 딥러닝, 파이토치맛을 따라만 하더라도 누구나 쉽게 핵심을 이해하고 실전처럼 기술을 다룰 수 있도록 이끌어줄 수 있는 수준높은 책이라고 감히 말할 수 있겠다. 간단한 코드와 다양한 예제를 통해 설명하다보니 파이토치를 수월하게 다룰 수 있고, 단계별로 파이토치 기능을 잘 알려주고 있다. 


딥러닝과 관련되어 복잡하다는 생각과 무엇부터 해야할지 막막해 하는 딥러닝 초보 개발자분들에게 강추하고 싶은 책이다. 파이썬에 대한 기초지식을 가진 분들이 파이토치로 딥러닝을 좀더 쉽게 배울 수 있는 좋은 기회가 되리라 생각한다. 멀리서 간만 볼게 아니라 직접 뛰어들어 파이토치를 이용한 딥러닝의 세계에 본격적으로 들어가 보기를 권한다. 좋은 책을 소개해 주고 접할 수 있는 기회를 제공해준 한빛미디어에 감사의 말을 전한다.

 

3분딥.jpg

처음 딥러닝을 접했을 땐, TensorFlow를 사용했었습니다.


생각보다 복잡한 사용법에 초보자들이 쉽게 접근할 수 없었고,


간단한 모델 생성하는데도 애를 많이 먹었습니다.


그 후로 다른 일들에 딥러닝을 공부하지 못하다


최근되서야 pytorch를 알게되었고, 관심있게 지켜보고있었습니다.


이 책은 pytorch의 소개 이전, python 설치법부터 pytorch개발을 위한 환경설정까지 다루고 있습니다.


초보자들도 한걸음 한걸음 따라하다보면 쉽게 배우실 수 있을겁니다.


이미 딥러닝을 다른 플랫폼으로 구현해보신 분들도 금새 pytorch에 적응하실수 있을 겁니다.


딥러닝을 처음 하시는분이나, 이전에 잠깐 맛보셧던 분들에게 강추하는 책입니다

펭귄브로의 3분 딥러닝, 파이토치맛

- 파이썬 -

1.jpg

안녕하세요. 율리시스SS입니다.

오늘 소개할 도서는 '펭귄브로의 3분 딥러닝, 파이토치맛' 입니다.

요즘 프로그래밍 언어에서 급부상하면서 인공지능, 딥러닝에 많이 사용되는 언어가 '파이썬'인데요.

파이토치는 딥러닝 프레임워크로 트위터, 엔비디아, 옥스포드 대학 등의 단체와 함께 개발되는 라이브러리 입니다.

이 책에서는 딥러닝을 배우고 싶은 분들에게 파이토치로 입문하는것을 권하는데 제가 책을 읽어보니 설치부터 코드가 쉽게 설명이 되어 있어서 딥러닝에 대해서 실습도 해보고 이론적인 부분에서도 도움이 되는 도서가 아닌가 싶습니다.

 

 

 

펭귄브로의 3분 딥러닝, 파이토치맛

2.jpg

| 이 책의 대상 독자는 IT도서책을 보시는 분께 중요하다고 생각되는데요.  딥러닝에 대한 사전지식이 없는 사람도 코드를 따라 익힐 수 있도록 작성한 책으로 파이썬을 사용할 수 있는 분들에게 추천드리는 책 입니다. 

 

운영체제로는 윈도우, 우분투, 맥OS이며 파이썬3.7버전, 그리고 파이토치 1.3버전으로 실습을 진행한다 합니다.

 

 

 

3.jpg

| 인공지능, 딥러닝등 신경망 구조에 대해서 간단하게 구조도를 설명하고 있습니다.

 

어렵네요.

 

 

 

4.jpg

5.jpg

| 첫장으로는 인공지능과 머신러닝에 대한 내용, 그리고 딥러닝에 대한 설명과 개발 환경 설치 등으로 이루어져 있습니다.

 

이런 분야가 처음 이신 분들도 쉽게 이론적으로 얘기를 하고 있기 때문에 개념이해로 좋은 책인것 같습니다.

 

 

 

 

 

 

6.jpg

7.jpg

| 펭귄브로의 3분 딥러닝 파이토치맛은 풀컬러 입니다. 컬러로 되어 있어서 좀 더 보기가 좋고, 코드를 따라할 때도 알아보기 쉬워서 좀 더 좋았습니다. 흑백컬러 책보다는 풀컬러가 개인적으로는 좀 더 좋은것 같네요.

 

코드에 대한 설명도 좋고 코드의 함수에는 색갈이 있어서 보기가 쉬웠던 책 입니다

 

 

 

 

 

8.jpg

9.jpg

| 딥러닝 라이브러리로 다양한 학습을 배우는데 오염된 이미지 복원, 혹은 스스로 사진을 판별하기도 하는데 정말 신기했습니다.

 

기존의 사진을 학습해서 비슷한류의 사진을 판별, 판독하기도 하는데 이러한 분야가 좀 더 개발이 되면 실사용에서 어떻게든 사용할 수 있지 않을까 생각이 되네요. 4차 산업혁명을 떠나서 미래에는 파이썬이 대세는 대세일듯 합니다. 배우기도 쉽지만 미래에 인공지능, 딥러닝 등에서 파이썬이 주가 되기 때문에 확실히 이쪽 분야로 가시는 분들에게는 좋은 도서가 될 듯 합니다.

 

 

 

 

 

한빛미디어에서 제공받아 작성하였지만

제공 측의 간섭 없이 필자가 느낀 점 그대로 작성하였습니다.

작성일 : 2019년 12월 10일

최종 수정일 : 2019년 12월 10일

* 오류 수정은 블로그에서만 합니다.

* 블로그 : http://blog.naver.com/adg0609

CopyRightⓒ.2019.율리시스SS.All Rights Reserved

pytorch.jpg

 


분야를 막론하고 점차 딥러닝의 사용 범위는 넓어지고 있다.

기존에 해결하기 어려웠던 일반적인 알고리즘을 딥러닝을 해결하고 있다.

특히 지금은 연구자들 중심의 딥러닝이 이뤄지고 있다면, 향후에는 일반적인 엔지니어들도 각 언어의 API를 활용하여 개발하듯 딥러닝도 그와 같이 더 보편화 될 것이라 생각한다.


현재는 딥러닝 분야 밖에 있는 엔지니어가 이론부터 딥러닝을 공부하기란 배우 부담스럽고 멀게만 느껴지는 것은 사실이다. 특히 프로토타입을 만들어서 가능 여부를 확인할 때 우리가 논문을 살펴보며 빠른 개발 사이클을 가져가기란 현실적으로 매우 어렵다.

그런데 이 책은 이론은 다른 책에 맡기고, 파이토치를 이용해 딥러닝을 체험해보는 데 초점을 맞추고 있다.

특히 문제에 따라 머신러닝이나 딥러닝 중 택해야 할 능력도 중요해졌는데, 경험이 없으면 이런 곳에서 병목 포인트가 생길 수 있다.


3분 딥러닝 파이토치맛을 통해 다양한 딥러닝 모델을 접해보고 현업에서 만날 수 있는 문제에 적용할 모델을 미리 경험해 볼 수 있는 레시피북 같은 책이다.

직접 코드를 입력하여 딥러닝을 구현하고, 결과물을 볼 수 있어 매우 재미있다.

3분 딥러닝 시리즈가 이와 같은 구조여서 매우 좋아하는 책이다.


특히 어려운 딥러닝을 가장 쉽게 학습 할수 있는 방법으로 어려운 수학과 딥러닝 알고리즘 설명을 최대한 줄이고 직접 코드를 입력해가면서 익히게 해 쉽고 재밌게 배울수 있다.

이 책으로 딥러닝이 조금 익숙해졌다면, 반드시 이론으로 기본기를 탄탄하게 챙기는 것을 추천한다.


그럼 이제 언어부터 이미지까지 넓은 분야에 쓰이는 딥러닝은 최대한 다양한 학습 방식과 딥러닝 모델을 구현할 수 있도록 예제가 준비 되어 있으니 함께 파이토치로 딥러닝에 입문해보면 어떨까?


<3분 딥러닝 파이토치 주요 내용>

- 파이토치 시작하기

- 파이토치로 구현하는 ANN

- 패션 아이템을 구분하는 DNN

- 이미지 인식 능력이 탁월한 CNN

- 사람의 지도 없이 학습하는 오토인코더

- 순차적인 데이터를 처리하는 RNN

- 딥러닝을 해킹하는 적대적 공격

- 경쟁하며 학습하는 GAN

- 주어진 환경과 상호작용하며 학습하는 DQN




딥러닝 기본 모델인 ANN에서 부터 DNN, CNN , 오토인코더, RNN, GAN , DQN 예제를 PyTorch로 간단 명료하게 코딩하여, 딥러닝 프로타이핑 툴로써의 묘미를 보여준다. 

적대적 생성 신경망인 GAN을 3Page에 걸쳐 파이토치로 구현한다. 복잡하지 않은 코드를 보면서 다른 딥러닝 툴킷에서 느끼지 못했던 PyTorch만의 단순함의 매력을 느끼게 될것이다. 

이 책을 끝까지 읽게 되면 실제 복잡한 딥러닝모델 조차도 겁내지 않고 구현해 낼수 있을 것이다. 

KakaoTalk_20191215_220842383.jpg

 

KakaoTalk_20191215_222003855.jpg

 

KakaoTalk_20191215_221936423.jpg

 

 

파이토치는 페이스북이 주도하는 오픈 소스 딥러닝 플랫폼이다. AI 시대에 딥러닝을 학습하기 위해서 좋은 도구이다. 이러한 파이토치에 입문하기 좋은 책이 바로 3분 딥러닝 파이토치맛이다.

3분만에 파이토치의 모든 것을 익힐 수는 없지만 그만큼 쉽고 빠르게 파이토치를 맛볼 수 있는 레시피인 것이다.

이 책은 인공지능에 대한 간단한 소개부터 파이토치 등장에 대한 짧은 이야기로 시작한다. 아주 어렵고 깊이 있는 내용보다는 간단하게 소개하고 바로 실습을 통해서 파이토치 사용법에 대해 학습한다. 바로바로 결과가 보이니 흥미로운 동기부여가 된다.

개념들도 아래과 같이 그림과 함께 소개하여 이해를 돕고 있다.

CNN, GAN, RNN 등의 어려워보이는 용어도 사실 딥러닝 알고리즘의 종류이며 이 책에서 쉬운 예제로 직접 체험해볼 수 있다. 간단하지만 파워풀하고 신기하고 재미있다.

중간중간 설명한 코드를 모아서 전체 코드도 아래와 같이 제공하고 있다.

아무튼 AI에 관심이 있고 파이토치에 입문하고 싶은데 아무것도 모르겠다 싶으면 일단 이 책을보고 무작정 시작하는 것도 나쁘지 않을 것 같다.

한빛에서 나오는 3분 씨리즈는 처음 보는듯

사실 이 책을 내가 제대로 다 보고 서평쓰는게 아니다.

따라서 제대로 이해를 하고 전체적인 내용에 대한 후기를 보고 싶은 분이라면 이 글은 도움이 안된다.

나는 지금 내 상황에 맞게 너무 바쁘지만 이 책에 대한 서평을 써야 하기 때문에

최대한 빠르게 훑어보고 분위기를 파악한 후 그것에 대해 쓰고자 한다.

일단 전체적으로 딱 간략하게 정리가 잘 되어있다.

깔끔하다 전체적인 양 자체가 많지 않기 때문에 간결하게 쓰여져 있다.

뭐랄까...내용대비 가성비가 좋다고 해야하나?

시작부터 책을 마친 후 공부하기 좋은 링크를 보여준다.

한빛미디어 책들이지만 저게 사실이다.

좋은 책들이다.

그전에 앞서서 성킴 교수님 강의를 먼저 놓은것 부터 뭔가 진정성이 보인다.

딱 저대로 공부하면 된다.

너무나 간결하다.

내가 이 책을 신청한 이유는 가성비 때문이다.

파이토치가 가장 노력대비 결과물을 쉽게얻는 프레임워크라길래

이 책을 달라고 했다.

하지만 이것마저 해보질 못했다. ㅎㅎ

그래도 전체적인 흐름을 보자면

대표적인 딥러닝 기술들을 간단하게 돌려볼 수 있게 각 장들을 깔끔하게 정리해 놓았다.

딱 간단하게 빨리 결과보고 생각해볼 수 있도록 만들어놓았다.

물론 이것마저 돌려보지 않아서 확실하게 다 돌아가는지는 나도 모른다.

하지만 그중에 패션 MNIST같은경우는 텐서플로 공식사이트에가면 있는 예제이다.

이걸 그대로 파이토치를 위해서 돌린것인가? 책으로 써서 나온거면 문제있는걸 올리진 않았을테지

일단 믿고 모두 다된다는 가정하에 다양한 딥러닝 기술들을 활용해 볼 수있는 알찬 책이라 생각할 수 있다.

이것도 휴머노이드를 다 만들고 나서 제대로 읽어보기로 진행해야 할 것 같다.

이제는 더이상 이렇게 미루는 책들은 그만 신청해야겠다.

너무나도 많이 밀려있어서 지금 밀린것들만 공부하기에도 벅차다.

조만간 올바른 패턴이 만들어지면 꾸준히 공부하는 패턴으로 만들어야지

일단은 이런 맛보고 싶은 책들을 모아놓고......

그리고 다시 한번 한빛에게 감사하며...

그래도 제대로 읽지 못한채 서평을 남김에 양심을 찔려하며

초간단 서평을 마무리한다.

이 책은 한빛미디어로부터 제공받았습니다.

 

 

이번에 리뷰하게 될 책은 펭귄브로의 3분 딥러닝 - 파이토치맛 입니다.

펭귄을 보니 요즘 핫한 펭수가 생각나네요!

 

이미지 출처 : 위키백과 < https://ko.wikipedia.org/wiki/%ED%8E%AD%EC%88%98 >

 

 

펭하!

 

 

 

기존에 코딩셰프의 3분 딥러닝 케라스맛에 이은 3분 딥러닝 파이토치맛입니다. 

케라스맛이 나오고 나서 파이토치 책이 나오기 까지 많은 변화가 있었습니다.

TensorFlow는 조금 더 사용하기 쉽도록 2.0 버전을 발표했죠. 또한 여러가지 알고리즘들이 등장하기 시작했습니다.

어떤 내용들이 담겨있을지 정말 궁금하네요.

 

 

 

책에는 귀여운 펭귄이 곳곳에 있습니다. 책을 볼 때마다 귀여움이 느껴지네요.

 

 

 

 

기존의 책들은 윈도우용/리눅스용으로 주로 설치방법을 다루고 있다면, 맥 사용자도 늘어남에 따라

맥 OS에서의 설치방법도 친절하게 적어주셨습니다.

 

 

 

 

딥러능은 흔히 머신러닝의 한 갈래이고, 머신러닝은 인공지능이라는 큰 틀 안에 속하게 됩니다.

그런 내용들을 쉽게 정리해줄 수 있는 이미지들이 많이 있어서 이해하기 어렵지 않게 책을 읽을 수 있었습니다.

3분 딥러닝 책의 장점이면서 강점은 어려운 내용이지만, 간단하고 이해하기 쉽게 설명되어 있다는 것 입니다.

아지 개념이 어려울 것 같아 걱정되시는 분들도 쉽게 쉽게 읽을 수 있을거라 생각 됩니다.

 

 

 

수 많은 알고리즘들이 나왔습니다. 기존의 3분 딥러닝 케라스와 비교했을 때 많이 달라진 부분은 없습니다.

머신러닝 알고리즘에서 중요한 것은 알고리즘도 있지만, 특정(feature)나 HyperParameter라는 것을 어떻게 설정하느냐에 따라 값이 달라지기 때문에 그런 부분들이 더 중요하고, 알고리즘에 대한 개념만 정확하게 알고 있다면 비슷한 알고리즘이 나오더라도 쉽게 이해할 수 있습니다.

 

 

 

머신러닝이나 딥러닝을 공부할 때 기초적으로 나오는 확률적 경사하강법(SGD)를는 이해하기 어려운 부분이지만 쉽게 설명해주시고 있었습니다. 책으로도 이해가 되지 않는 부분은 아래 주소의 강의를 한번 보시는걸 추천드립니다.

https://www.youtube.com/watch?v=BS6O0zOGX4E&list=PLlMkM4tgfjnLSOjrEJN31gZATbcj_MpUm

 

 

 

 

 

기초 설명 후에는 기계번역이라던지, 이미지 관련 작업이라던지 알고리즘으로 할 수 있는 부분들에 대한 설명들이 존재합니다. 이 책은 어려운 딥러닝에 대한 부분을 조금은 쉽게 설명해줄 수 있는 책이 아닌가 싶습니다. 더욱 자세한 내용들은 심도 있는 책을 읽어야 하겠지만, 개념정리를 위해 보기 좋은 책 입니다.

 

<이 책의 리뷰는 한빛미디어 '나는 리뷰어다'로 부터 책을 지원받아 작성된 글입니다.>

 

 

책 표지를 보면 너무 이쁜 펭귄들이 아주 맛있는 파이토치를 먹고 있네요.

정말 맛있어 보이는데요.

이책은 파이토치 라는 딥러닝 모델 구현용 오픈소스 도구를 이용하여 비지도학습,지도학습,강화학습 인공 신경망 구조를 구현하고 실제로 서비스에 이용하는 팁을 제공해 주고 있습니다.

파이토치는 페이스북이 주도하여 만든 딥러닝 모델인데요.

텐서플로 이후 탄생한 새로운 딥러닝 프레임워크입니다. 그래서 기존 딥러닝 프레임워크에서 아쉬웠던 부분을 채워주는 기능을 제공해 주고 있습니다.

텐서플로 및 기타 딥러닝 프레임워크가 파이썬을 사용하지만 실행중에는 바꿀 수 없기 때문에 마치 컴파일을 해서 결과를 도출하는 C언어와 같은 정적인 느낌을 받는 반면에 파이토치는 실행 중에도 값을 변경할 수 있기 때문에 유연함을 추구하는 인터프리터 언어인 파이썬과 아주 잘 어울리는 언어입니다.

또한 대부분의 딥러닝 프레임 워크들이 정적인 데이터셋으로 학습하고 정적인 모델을 배포하여 사용하는 오프라인 학습에 최적화 되어 있습니다.

하지만 미래에는 자율주행차,게임,인터넷 등 쌓이는 데이터에 실시간으로 대응하는 동적인 학습 방법이 매우 중요해질 전망입니다.

파이토치는 실행 중에 모델을 유연하게 관리할 수 가 있기 때문에 미래지향적인 딥러닝 프레임워크라하고 할만 한데요.

이 책은 2장에서 파이토치를 설치 하는 것 부터

3장. 파이토치로 구현하는 ANN 을 통해서 가장 기본적인 인공신경망을 구현하는 방법을 실제 예제를 통해서 확인을 해 볼 수 있게 구현이 되어 있습니다. 

실제로 손상된 이미지를 만든 알고리즘을 알게 된다면 이러한 이미지의 원본을 생성해 낼 수 있는 예제를 실행 하다 보면 ANN의 원리를 좀 더 쉽게 파악 할 수 있는 계기가 될 수 있었습니다.

4장에서는 패션 아이템을 구분하는 DNN 편으로 이미지를 분류하는 방법에 대해 설명을 해 주고 있으며 과소적합과 과적합을 판단하여 적절한 선에서 훈련을 종료 시키는 방법 등에 대한 분류 방법등

실제 예제를 이용해서 다양한 모델들에 대해 설명해 주는 방식은 훨씬 이해하기 쉽고 딥러닝의 원리를 깨우치게 하기 좋은 책이 아니었나 하는 생각이 들었습니다.

이 책의 장점 중 하나는

실제로 직접 코딩을 하면서 컴파일을 해 보는 것이 훨씬 더 도움이 될 수 있겠지만...

시간이 부족하지만 딥러닝이 어떻게 동작하는지 원리를 알고 싶은 분들을 위해 깃허브에 책에 쓰여진 소스코드가 모두 등록이 되어 있어서 다운로드만 받아서 실제로 동작상태만을 확인하고 원리를 파악하는데 많은 도움이 된다는 것입니다.

그래서 3분 딥러닝이라고 했나 보다 싶네요.

다운로드 후에 실행시간이면 원리를 파악하니까요.^^

이 책은 딥러닝에 대한 사진 지식이 없는 사람들도 파이썬을 사용할 줄 알고 있다면 파이토치를 설치해서 실행 해 보면서 원리를 이해하기 쉽도록 구성이 되어 있어서 딥러닝 초보자들이 접근하기에 좋은 책이 아닌가 싶네요.

발매된지 한달이 조금 넘어가는 따끈한 책이다.

우선 파이토치는 페이스북 주도로 여러 회사와 대학이 합심해 개발한 오픈소스 소프트웨어로, 머신러닝과 딥러닝 모델을 쉽게 구현할 수 있도록 많은 편의 기능을 제공하는 프레임워크이다.

파이토치의 개발 철학 중 하나는 '하고자 하는 일이 눈에 잘 보이도록'하는 것이다. 파이썬과 Numpy의 기초를 익힌 사람이면 파이토치를 누구나 아주 쉽게 적응하고 사용할 수 있으며, 파이토치는 딥러닝을 처음 공부하는 사람들에게 유용하다.

파이토치 공식 홈페이지는 아래와 같다.

https://pytorch.org

이 책을 통해 아래와 같은 기술을 개념과 예제를 통해 공부해 볼 수 있다.

- 기본적인 인공 신경망 : 텐서와 Autograd 패키지 기능 사용

- 인공 신경망을 이용한 Fashion MNIST 데이터셋 안의 패션 아이템 구분 : 데이터셋 다루는 방법

- 영상 처리에 탁월한 성능을 자랑하는 CNN : 컴퓨터가 어떻게 이미지를 처리하는지

- 레이블이 없이 특징을 추출하는 신경망인 오토인코더 : 비지도학습 신경망 오토인코더로 잡음 제거

- 순차적인 데이터를 처리하는 RNN : RNN 모델을 구현하고 간단한 기계 번역

- 딥러닝을 해킹하는 적대적 공격 : 딥러닝 모델의 약점 및 해킹 방법

- 경쟁하며 학습하는 GAN : GAN을 이용해 원하는 이미지 생성

- 주어진 환경과 상호작용하며 학습하는 DQN : 강화학습 모델을 만드는 방법

이 책의 가장 큰 장점은 직접 코드를 입력해가면서 실제 딥러닝을 구현하고, 결과물을 볼 수 있게 되어 있어서 쉽게 다가가고 재미를 느낄 수 있다는 점이다. 그렇다고 내용적으로 가볍지는 않고, 핵심 기술을 잘 설명하고 있다.

 



<나는 리뷰어다> 11월 이벤트 당첨으로 작성한 리뷰 입니다.

[한줄평]

이론 보다는 코드로 직접 입력해가면서 배우는걸 좋아하는 분들에게 적합한 교재입니다.


[목차구성]

CHAPTER 1 딥러닝과 파이토치

CHAPTER 2 파이토치 시작하기

CHAPTER 3 파이토치로 전체 코드 구현하는 ANN

CHAPTER 4 패션 아이템을 구분하는 DNN

CHAPTER 5 이미지 처리 능력이 탁월한 CNN

CHAPTER 6 사람의 지도 없이 학습하는 오토인코더

CHAPTER 7 순차적인 데이터를 처리하는 RNN

CHAPTER 8 딥러닝을 해킹하는 적대적 공격

CHAPTER 9 경쟁하며 학습하는 GAN

CHAPTER 10 주어진 환경과 상호작용하며 학습하는 DQN


[대상 독자]

파이썬을 사용할 줄 아는 독자

최소한의 머신러닝 지식을 가지고 있는 독자


[주요 내용]

1장 딥러닝과 파이토치 - 딥러닝의 기본 지식을 쌓고, 여러 머신러닝 방식에 대해 배웁니다. 파이토치가 무엇이고 왜 필요한지, 텐서플로와 케라스 같은 라이브러리와 무엇이 다른지를 알아봅니다.


2장 파이토치 시작하기 - 파이토치 환경 설정과 사용법을 익혀봅니다. 파이토치 외에도 책을 진행하면서 필요한 주변 도구를 설치합니다.


3장 파이토치로 구현하는 ANN - 파이토치를 이용하여 가장 기본적인 인공 신경망을 구현하고 모델을 저장, 재사용하는 방법까지 배웁니다.


4장 패션 아이템을 구분하는 DNN - 앞서 배운 인공 신경망을 이용하여 Fashion MNIST 데이터셋 안의 패션 아이템을 구분해봅니다.


5장 이미지 처리 능력이 탁월한 CNN - 영상 인식에 탁월한 성능을 자랑하는 CNN을 알아봅니다. 여기에 그치지 않고 CNN을 더 쌓아 올려 성능을 올린 ResNet을 알아보고 구현합니다.


6장 사람의 지도 없이 학습하는 오토인코더 - 정답이 없는 상태에서 특징을 추출하는 비지도학습을 알아보고 대표적인 비지도학습 모델인 오토인코더를 이해하고 구현하는 방법을 익힙니다.


7장 순차적인 데이터를 처리하는 RNN - 문자열, 음성, 시계열 데이터에 높은 성능을 보이는 RNN을 활용하여 영화 리뷰 감정 분석을 해보고 간단한 기계 번역기를 만들어봅니다.


8장 딥러닝을 해킹하는 적대적 공격 - 딥러닝 모델을 의도적으로 헷갈리게 하는 적대적 예제를 알아보고 적대적 예제를 생성하는 방법인 적재적 공격을 알아봅니다.


9장 경쟁하며 학습하는 GAN - 두 모델의 경쟁을 통해 최적화하는 특이한 학습 구조를 가진 GAN에 대해 알아봅니다. GAN은 데이터셋에 존재하지 않는 새로운 이미지를 생성할 수 있습니다. 예제로 Fashion MNIST 데이터셋을 학습하여 새로운 패션 아이템을 만듭니다.


10장 주어진 환경과 상호작용하며 학습하는 DQN - 간단한 게임 환경에서 스스로 성장하는 DQN을 알아보고 간단한 게임을 마스터하는 인공지능을 구현해봅니다.


[서평]

이 책의 특징은 어려운 딥러닝을 가장 쉽게 학습 할수 있는 방법으로 어려운 수학과 딥러닝 알고리즘 설명을 최대한 줄이고 직접 코드를 입력해가면서 익히게 해 쉽고 재밌게 배울수 있습니다. 다양한 딥러닝 모델의 개념을 익히는 것으로 이론은 최대한 간략하게 소개합니다. 하지만 딥러닝을 본격적으로 사용하려면 이론도 탄탄하게 익히는 것이 좋습니다. 이책으로 빠르게 딥러닝을 학습하고 이론과 딥러닝 수학에 대해서 공부하는걸 추천 합니다.

 



딥러닝을 기초부터 다질수 있는 좋은 책이네요. 거기다 저자분들도 아주 멋진 분들이네요. 다음 책도 기대합니다~~

결제하기
• 문화비 소득공제 가능
• 배송료 : 2,000원배송료란?

배송료 안내

  • 20,000원 이상 구매시 도서 배송 무료
  • 브론즈, 실버, 골드회원이 주문하신 경우 무료배송

무료배송 상품을 포함하여 주문하신 경우에는 구매금액에 관계없이 무료로 배송해 드립니다.

닫기

리뷰쓰기

닫기
* 상품명 :
펭귄브로의 3분 딥러닝, 파이토치맛
* 제목 :
* 별점평가
* 내용 :

* 리뷰 작성시 유의사항

글이나 이미지/사진 저작권 등 다른 사람의 권리를 침해하거나 명예를 훼손하는 게시물은 이용약관 및 관련법률에 의해 제재를 받을 수 있습니다.

1. 특히 뉴스/언론사 기사를 전문 또는 부분적으로 '허락없이' 갖고 와서는 안됩니다 (출처를 밝히는 경우에도 안됨).
2. 저작권자의 허락을 받지 않은 콘텐츠의 무단 사용은 저작권자의 권리를 침해하는 행위로, 이에 대한 법적 책임을 지게 될 수 있습니다.

오탈자 등록

닫기
* 도서명 :
펭귄브로의 3분 딥러닝, 파이토치맛
* 구분 :
* 상품 버전
종이책 PDF ePub
* 페이지 :
* 위치정보 :
* 내용 :

도서 인증

닫기
도서명*
펭귄브로의 3분 딥러닝, 파이토치맛
구입처*
구입일*
부가기호*
부가기호 안내

* 온라인 또는 오프라인 서점에서 구입한 도서를 인증하면 마일리지 500점을 드립니다.

* 도서인증은 일 3권, 월 10권, 년 50권으로 제한되며 절판도서, eBook 등 일부 도서는 인증이 제한됩니다.

* 구입하지 않고, 허위로 도서 인증을 한 것으로 판단되면 웹사이트 이용이 제한될 수 있습니다.

닫기

해당 상품을 장바구니에 담았습니다.이미 장바구니에 추가된 상품입니다.
장바구니로 이동하시겠습니까?

자료실

최근 본 상품1